Coding_编码基础

简介

编码：规定每个“字符”分别用一个字节还是多个字节存储，用哪些字节来存储。

编码是信息从一种形式或格式转换为另一种形式的过程。

编码是用预先规定的方法将文字、数字或其他对象编成数码，或将信息、数据转换成规定的电脉冲信号。

字符集：包含“字符”的集合就叫做“字符集”。

位（bit）："位(bit)"是电子计算机中最小的数据单位。每一位的状态只能是0或1。

字节（Byte）：8个二进制位构成1个"字节(Byte)"，它是存储空间的基本计量单位。1个字节储存1个英文字母或半个汉字。

字："由若干个字节构成，字的位数叫做字长，不同档次的机器有不同的字长。字是计算机进行数据处理和运算的单位。

字符（character）：是指计算机中使用的字母、数字、字和符号

 

编码中字符占据的字节

• 在 ASCII 编码中，一个英文字母字符存储需要1个字节。
• 在 GB 2312 或GBK 编码中，一个汉字字符存储需要2个字节。
• 在UTF-8编码中，一个英文字母字符存储需要1个字节，一个汉字字符储存需要3到4个字节。
• 在UTF-16编码中，一个英文字母字符或一个汉字字符存储都需要2个字节（Unicode扩展区的一些汉字存储需要4个字节）。
• 在UTF-32编码中，世界上任何字符的存储都需要4个字节。

 

体系分类

ASCII：美国信息交换标准编码，即美标。

0~127（128个数字）来代表信息的规范编码。其中包括33个控制码，一个空格码，和94个形象码。形象码中包括了英文大小写字母，阿拉伯数字，标点符号等。

GB：中华人民共和国国家标准信息交换用汉字编码，即国标。

国标表（基本表）把七千余汉字、以及标点符号、外文字母等，排成一个94行、94列的方阵。

GBK：汉字内码扩展规范，是GB的扩展字符码，对多达2万多的简繁汉字进行了编码。

GBK向下与GB-2312编码兼容，向上支持ISO 10646.1国际标准，是前者向后者过渡的一个承启标准。

BIG5：BIG5码是针对繁体汉字的汉字编码，目前在台湾、香港的电脑系统中得到普遍应用。

 

ISO-10646：通用字符集，属于单字节编码，最多能表示的字符范围是0-255，应用于英文系列。

Unicode：万国码，宽字节字符集，它对每个字符都固定使用两个字节即16位表示，于是当处理字符时，不必担心只处理半个字符。

UTF-8：是Unicode的一种变长字符编码， 8bit编码, ASCII不作变换, 其他字符做变长编码, 每个字符1-3 byte(英文字母用一个字节，汉字使用3个字节）。

UTF-16：16bit编码, 是变长码, 大致相当于20位编码, 值在0到0x10FFFF之间, 基本上就是unicode编码的实现. 它是变长码, 与CPU字序有关, 但因为最省空间, 常作为网络传输的外码.